从工业4.0看储能系统锂电池寿命的预测

储能锂电池寿命预测是储能技术的一个核心技术,也是工作难点。对储能系统锂电池的寿命预测一般有经验法、特征法和数据驱动法,但是这些方法都有局限性,特别是当储能系统锂电池存在一定个体差异以及锂电池随着老化程度的加剧,预测准确度就会受到很大影响。为了解决锂电池寿命预测个性化差异问题,从工业4.0的视角,提出了基于数据驱动的动态调整的思路,以嵌入式系统为基础,通过嵌入式数据库作为载体,进行动态计算调整相关参数,以保证储能系统锂电池整个寿命周期的预测准确度。

梯度提升随机森林模型及其在日前出清电价预测中的应用

发电企业竞价上网需要对未来的电价进行预测,以指导其进行报价。针对电价预测问题,提出一种新的梯度提升随机森林模型,并应用于电价预测。该方法为集成学习方法,在随机森林模型的基础上应用梯度提升算法,有效结合Bagging与Boosting两种集成学习策略的优势,提高模型预测的准确性。将该模型应用于PJM日前市场的电价预测,结果表明,该模型优于传统的随机森林模型和提升树模型,能够在其基础上进一步提高电价预测的准确性。